人工智能之机器学习算法体系汇总-阿里云开发者社区

开发者社区> 王小雷> 正文

人工智能之机器学习算法体系汇总

简介: 参加完2017CCAI,听完各位专家的演讲后受益匪浅。立志写“人工智能之机器学习”系列,此为开篇,主要梳理了机器学习算法体系,人工智能相关趋势,Python与机器学习,以及结尾的一点感想。抱着一颗严谨学习之心,有不当之处欢迎斧正。
+关注继续查看

参加完2017CCAI,听完各位专家的演讲后受益匪浅。立志写“人工智能之机器学习”系列,此为开篇,主要梳理了机器学习方法体系,人工智能相关趋势,Python与机器学习,以及结尾的一点感恩。

Github开源机器学习系列文章及算法源码

1.人工智能之机器学习体系汇总

【直接上干货】此处梳理出面向人工智能的机器学习方法体系,主要体现机器学习方法和逻辑关系,理清机器学习脉络,后续文章会针对机器学习系列讲解算法原理和实战。抱着一颗严谨学习之心,有不当之处欢迎斧正。

01_ml_all

  • 监督学习 Supervised learning

    • 人工神经网络 Artificial neural network

      • 自动编码器 Autoencoder
      • 反向传播 Backpropagation
      • 玻尔兹曼机 Boltzmann machine
      • 卷积神经网络 Convolutional neural network
      • Hopfield网络 Hopfield network
      • 多层感知器 Multilayer perceptron
      • 径向基函数网络(RBFN) Radial basis function network(RBFN)
      • 受限玻尔兹曼机 Restricted Boltzmann machine
      • 回归神经网络(RNN) Recurrent neural network(RNN)
      • 自组织映射(SOM) Self-organizing map(SOM)
      • 尖峰神经网络 Spiking neural network
    • 贝叶斯 Bayesian

      • 朴素贝叶斯 Naive Bayes
      • 高斯贝叶斯 Gaussian Naive Bayes
      • 多项朴素贝叶斯 Multinomial Naive Bayes
      • 平均一依赖性评估(AODE) Averaged One-Dependence Estimators(AODE)
      • 贝叶斯信念网络(BNN) Bayesian Belief Network(BBN)
      • 贝叶斯网络(BN) Bayesian Network(BN)
    • 决策树 Decision Tree

      • 分类和回归树(CART) Classification and regression tree (CART)
      • 迭代Dichotomiser 3(ID3) Iterative Dichotomiser 3(ID3)
      • C4.5算法 C4.5 algorithm
      • C5.0算法 C5.0 algorithm
      • 卡方自动交互检测(CHAID) Chi-squared Automatic Interaction Detection(CHAID)
      • 决策残端 Decision stump
      • ID3算法 ID3 algorithm
      • 随机森林 Random forest
      • SLIQ
    • 线性分类 Linear classifier

      • Fisher的线性判别 Fisher's linear discriminant
      • 线性回归 Linear regression
      • Logistic回归 Logistic regression
      • 多项Logistic回归 Multinomial logistic regression
      • 朴素贝叶斯分类器 Naive Bayes classifier
      • 感知 Perceptron
      • 支持向量机 Support vector machine
  • 无监督学习 Unsupervised learning

    • 人工神经网络 Artificial neural network

      • 对抗生成网络
      • 前馈神经网络 Feedforward neurral network

        • 极端学习机 Extreme learning machine
      • 逻辑学习机 Logic learning machine
      • 自组织映射 Self-organizing map
    • 关联规则学习 Association rule learning

      • 先验算法 Apriori algorithm
      • Eclat算法 Eclat algorithm
      • FP-growth算法 FP-growth algorithm
    • 分层聚类 Hierarchical clustering

      • 单连锁聚类 Single-linkage clustering
      • 概念聚类 Conceptual clustering
    • 聚类分析 Cluster analysis

      • BIRCH
      • DBSCAN
      • 期望最大化(EM) Expectation-maximization(EM)
      • 模糊聚类 Fuzzy clustering
      • K-means算法 K-means algorithm
      • k-均值聚类 K-means clustering
      • k-位数 K-medians
      • 平均移 Mean-shift
      • OPTICS算法 OPTICS algorithm
    • 异常检测 Anomaly detection

      • k-最近邻算法(K-NN) k-nearest neighbors classification(K-NN)
      • 局部异常因子 Local outlier factor
  • 半监督学习 Semi-supervised learning

    • 生成模型 Generative models
    • 低密度分离 Low-density separation
    • 基于图形的方法 Graph-based methods
    • 联合训练 Co-training
  • 强化学习 Reinforcement learning

    • 时间差分学习 Temporal difference learning
    • Q学习 Q-learning
    • 学习自动 Learning Automata
    • 状态-行动-回馈-状态-行动(SARSA) State-Action-Reward-State-Action(SARSA)
  • 深度学习 Deep learning

    • 深度信念网络 Deep belief machines
    • 深度卷积神经网络 Deep Convolutional neural networks
    • 深度递归神经网络 Deep Recurrent neural networks
    • 分层时间记忆 Hierarchical temporal memory
    • 深度玻尔兹曼机(DBM) Deep Boltzmann Machine(DBM)
    • 堆叠自动编码器 Stacked Boltzmann Machine
    • 生成式对抗网络 Generative adversarial networks
  • 迁移学习 Transfer learning

    • 传递式迁移学习 Transitive Transfer Learning
  • 其他

    • 集成学习算法

      • Bootstrap aggregating (Bagging)
      • AdaBoost
      • 梯度提升机(GBM) Gradient boosting machine(GBM)
      • 梯度提升决策树(GBRT) Gradient boosted decision tree(GBRT)
    • 降维

      • 主成分分析(PCA) Principal component analysis(PCA)
      • 主成分回归(PCR) Principal component regression(PCR)
      • 因子分析 Factor analysis

学习应当严谨,有不当场之处欢迎斧正。

强力驱动 Wikipedia CSDN

2.人工智能相关趋势分析

2.1.人工智能再次登上历史舞台

人工智能与大数据对比——当今人工智能高于大数据

01_b_m

[数据来自Goolge trends]

2.2.Python才是王道

01_python

[数据来自Google trends]

2.3.深度学习趋势大热

01_ml_dl

[数据来自Google trends]

2.4.中国更爱深度学习

01_ch_dl

[数据来源-Google trends]

3.结语

关于人工智能的一点感想,写在最后

AI systems can’t model everything... AI needs to be robust to “unknown unknowns” [Thomas G.Dietterich ,2017CCAI]

中国自古有之

“知之为知之,不知为不知,是知也”【出自《论语》】

人工智能已然是历史的第三波浪潮,堪称“工业4.0”,有突破性的成就,但也有未解之谜。真正创造一个有认知力的“生命”——还有很大的难度。希望此次浪潮会持续下去,创造出其真正的价值,而非商业泡沫。

大多数的我们发表不了顶级学术论文,开创不了先河。不要紧,沉下心,努力去实践。

人工智能路漫漫,却让我们的生活充满了机遇与遐想。

立志每周【周日】更新一篇“人工智能之机器学习”系列。Github开源机器学习系列文章及算法源码

感谢CSDN的2017CCAI参会机遇与分享平台。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
《计算机科学与工程导论:基于IoT和机器人的可视化编程实践方法第2版》一1.1.3 计算机不同领域的职业机会
本节书摘来华章计算机《计算机科学与工程导论:基于IoT和机器人的可视化编程实践方法第2版》一书中的第1章 ,第1.1.3节,陈以农 陈文智 韩德强 著 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
942 0
令人兴奋的 2020 年人工智能和机器学习趋势
在本文中,我们将讨论几个顶级的人工智能和机器学习趋势,将塑造新年:2020。 我们还将介绍面部识别技术及其在 2020 年的应用。
572 0
人工智能和机器学习在网络安全中的7种积极和消极影响
人工智能/机器学习用于网络流量分析、入侵检测系统、入侵防御系统、安全访问服务边缘、用户和实体行为分析以及Gartner公司所描述的大多数技术领域。
12 0
人工智能: 自动寻路算法实现(一、广度优先搜索)
前言 随着人工智能技术的日益发达,我们的生活中也出现了越来越多的智能产品。我们今天要关注的是智能家居中的一员:扫地机器人。
1730 0
2022年5个人工智能和机器学习主要趋势
通过帮助企业实现目标、推动关键决策以及创造创新产品和服务,人工智能和机器学习正在成为科技行业的主导部分。
21 0
人工智能: 自动寻路算法实现(二、深度优先搜索)
前言 本篇文章是机器人自动寻路算法实现的第二章。我们要讨论的是一个在一个M×N的格子的房间中,有若干格子里有灰尘,有若干格子里有障碍物,而我们的扫地机器人则是要在不经过障碍物格子的前提下清理掉房间内的灰尘。
1501 0
+关注
王小雷
专注大数据,人工智能的多面手,对新兴的技术与知识充满了好奇与渴望!
128
文章
0
问答
文章排行榜
最热
最新
相关电子书
更多
《2021云上架构与运维峰会演讲合集》
立即下载
《零基础CSS入门教程》
立即下载
《零基础HTML入门教程》
立即下载